Für die digitale Transformation von Prozessen und Dienstleistungen der Metrologie müssen Daten für Maschinen verständlicher werden. Hierbei können Semantische Technologie wertvolle Dienste leisten.
Metrologiepraktiker und -forscher stehen jedoch vor zahlreichen Hürden, wenn sie versuchen, Ontologien und formale Methoden zur Beschreibung des Messprozesses und der Daten zu verwenden. Zu diesen Hürden gehören die mangelnde Vertrautheit mit semantischen Technologien, die Wahl konkurrierender Ontologien, Terminologien oder Standards, unterschiedliche Auffassungen darüber, wie metrologische Aspekte der Datensätze, z. B. Maßeinheiten oder Messunsicherheit, dargestellt werden sollen, und das Fehlen praktischer Umsetzungsbeispiele1Using Ontologies to Create Machine-Actionable Datasets: Two Case Studies.
GO FAIR – Initiative
Ein Ansatz zur Nutzung von Infrastrukturen für die gemeinsame Nutzung von Daten und zur Systematisierung der Reproduzierbarkeit von Forschungsdaten wurde in den FAIR-Leitprinzipien (findable, accessible, interoperable, reusable) für die Verwaltung und Betreuung wissenschaftlicher Daten vorgeschlagen. Die GO FAIR-Initiative erweitert die FAIR-Grundsätze um die maschinelle Verwendbarkeit, d. h. die Fähigkeit von Computersystemen, Daten ohne oder mit nur geringem menschlichen Eingriff zu finden, darauf zuzugreifen, zu interagieren und wiederzuverwenden.
Speziell für die Metrologie-Gemeinschaft schlägt GO FAIR den folgenden FAIRifizierungsprozess vor:
- Berücksichtigung der metrologierelevanten Metadaten-Anforderungen und der Forschungsdatenmanagement-Richtlinien (RDM) der nationalen Metrologie-Institute (NMIs);
- Formalisierung dieser metrologisch relevanten Überlegungen als maschinenverarbeitbare Metadaten-Komponenten als Metadaten für Maschinen (M4M)
- Festlegung guter semantischer Darstellungspraktiken für FAIR-Metrologie-Informationen (Daten und Metadaten), die in Kombination mit dem M4M zu einem FAIR-Implementierungsprofil (FIP) führen würden
- Nutzung des FIP zur Einrichtung von FAIR-Dateninfrastrukturen innerhalb der NMIs, z. B. durch die Verwendung von FAIR-Datenpunkten oder FAIR-Digitalobjekten, als Beitrag zu einem globalen Internet der FAIR-Daten und -Dienste
Research data management in European metrology (RDM)
Im Jahr 2018 wurde das Projekt TC-IM 1449 “Research data management in European metrology” ins Leben gerufen. Das Projekt zielt darauf ab, gute RDM-Praktiken zu fördern, die auf den FAIR-Prinzipien beruhen und die Rückverfolgbarkeit und Reproduzierbarkeit von Messergebnissen unterstützen2Towards FAIR Research Data in Metrology
Digital Metrological Information Layer (M-layer)
In Metrological support for quantities and units in digital systems schlagen die Autoren vor, dass eine digitale metrologische (M) Informationsebene verwendet wird, um Informationen über Mengen, Maßstäbe und numerische Formate zu speichern. “Diese M-Schicht würde Größen identifizieren und damit das Problem der vielen dimensionslosen Größen angehen. Die Schicht würde Beziehungen zwischen Mengen und Skalen (Einheiten) registrieren. Sie würde verschiedene Arten von Maßstäben unterstützen, indem sie Maßstäbe mit geeigneten Umrechnungsfunktionen verknüpft. .. Ohne Mehrdeutigkeit würde die M-Schicht die Zuordnung von mehr als einer Skala zu einer bestimmten Größe ermöglichen (z. B. sind Kelvin und Rankine-Grad beides Einheiten der thermodynamischen Temperatur) und helfen, die Zuordnung bestimmter Skalen zu mehr als einer Größe zu verwalten”.
Eine Herausforderung bleibt dennoch:
Die Beschreibung von Datensätzen und die Einrichtung von Infrastrukturen zu ihrer Aufnahme erfordern ein hohes Maß an Konsens über die spezifischen Anforderungen an die semantische Darstellung in den wissenschaftlichen (bzw. metrologischen) Gemeinschaften3Using Ontologies to Create Machine-Actionable Datasets: Two Case Studies.